Ⅰ. 서 론
1. 연구 배경 및 목적
2000년대 이후 대도시권의 대중교통체계 개편과 더불어 티머니, 캐시비와 같은 교통카드가 등장하고 전국 적으로 활용되며 매일 방대한 양의 데이터가 생성되고 있으나, 개인정보보호법과 같은 규제로 교통정책 수 립을 위한 기초자료로 이를 활용하는 것은 쉽지 않아 왔다. 특히 대중교통 정책과 계획 분야에 있어 교통카 드 데이터는 전수에 가까운 이용자의 데이터가 집계된다는 측면에서 그 활용도에 대한 기대가 높아 왔으나, 그 활용은 여전히 미진하였다.
4차 산업혁명 시대를 맞아 데이터의 이용 활성화를 통한 신산업 육성이 국가적 과제로 대두되고, 데이터 이용에 관한 규제 혁신과 개인정보 보호 협치(거버넌스) 체계를 정비하기 위하여 데이터 3법 개정안이 2020 년 1월 9일 국회 본회의를 통과하였다. 데이터 3법 개정안은 ‘데이터 이용 활성화를 위한 가명정보 개념 도 입’, ‘데이터 활용에 따른 개인정보 처리자의 책임 강화’, ‘모호한 개인정보 판단 기준의 명확화’ 등의 내용을 담고 있다. 데이터 3법 개정으로 분야를 막론하고 과학적 연구, 공익 추구 등의 목적을 달성하기 위하여 관 련 자료에 대한 접근이 보다 용이해졌으며, 개인정보를 보호하면서 데이터 활용이 가능한 기반이 마련되었 다 볼 수 있다. 또한 교통부문에서 빅 데이터의 활용은 기존 각종 조사자료 대비 질적·양적인 측면에서 양질 의 표본 확보가 가능하며 비용 절감, 업무 효율화 등의 이점이 존재한다.
이와 같이 개인교통수단과 대중교통수단 각각에 대한 빅데이터 접근이 용이해짐에 따라, 이러한 데이터들 을 활용한 기초적인 통행 특성에 대한 연구가 가능할 것으로 기대되는 바, 본 연구에서는 내비게이션 및 스 마트카드 빅 데이터를 활용하여 승용차와 버스의 공로 통행시간, 즉 차내시간을 중심으로 이동성1)의 차이를 실증적으로 비교하고자 하였다. 이와 같은 수단간 이동성 차이에 대한 지표는 교통수요예측 과정에서 버스 특성을 현실적으로 모사하기 위한 수단선택 모형의 입력변수가 되는 동시에 지역의 대중교통 정책 수립과 평가2)에 있어 가장 기초적인 척도가 될 수 있다. 본 연구는 이와 같은 교통정책 의사결정의 기초자료를 제 공하는 목적을 갖는다.
2. 연구 내용 및 방법
본 연구의 주 내용은 크게 세 가지로 정리된다. 첫째, 내비게이션의 개별 이용자 통행경로 데이터를 활용 하여 승용차 통행특성을 분석하였고, 전국 단위 교통카드데이터를 활용하여 출발지와 도착지간 통행시간 등 을 집계하여 승용차 대비 대중교통 이동성 지표를 통계적으로 도출하는 것이다. 둘째, 5대 광역권 행정구역 간의 공간적 특성과 첨두·비첨두의 시간적 특성에 따른 대중교통 이동성 지표에 대한 통계적 차이를 규명하 는 것이다. 셋째, 대중교통 이동성 지표가 비교우위인 이동권역을 통계적으로 살펴보고, 대중교통 정책 활용 의 시사점을 검토하는 것이다.
본 연구의 지역적 범위는 지방 5대 광역시인 부산, 대구, 광주, 대전, 울산광역시를 대상으로 하였다. 승용 차의 경우 국내 길안내 점유율이 가장 높은 기업의 내비게이션 경로 안내 데이터를 통해 통행시간을 집계하 였으며, 버스의 경우 한국교통안전공단의 광역시별 교통카드 이용실적 원시자료를 기반으로 승하차 정류장 간 차내시간 기준으로 통행시간을 집계하였다. 최종적으로 분석의 특정 시간대(첨두, 비첨두)로 분류하여 평 균 통행시간 자료를 비교하였다. 또한 본 연구의 분석 결과를 국가지표체계인 지역별 교통수단별 통행속도 와 비교하여 기술적·정책적 시사점을 제시하였다.
Ⅱ. 관련문헌 검토
1. 통행자의 수단선택 요인
통행자는 사회경제적 요인, 공간적인 특성, 수단 고유의 특성 등 다양한 요인을 고려하여 출발지에서 도착 지까지의 통행수단 및 경로를 선택한다고 알려져 있다. 이러한 원리에 따라 교통수요 예측모형에서는 승용 차 대비 버스의 통행시간 비율 등을 버스의 이동성 수준으로 고려하기도 한다.3)
Kim et al.(2001)는 통행주체의 수단선택에 영향을 미치는 요인을 보다 구체적으로 분류하여 분석하고, 특히 대중교통수단으로의 접근거리와 대중교통이용률과의 관계를 살펴보았으며, 승용차에 대한 대중교통의 상대 적인 비용 및 시간 측면에서의 효용이 수단선택에 큰 영향을 미치는 것으로 분석하였다. Ewing and Cervero (2001)는 사회경제적 요인 및 토지이용행태가 통행자의 수단선택에 미치는 영향을 비교 분석하였으며 사회경 제적 요소가 특히 중요한 요인으로 작용함을 밝혔다. Hess(2001)는 무료주차 가능 여부가 통근자의 수단선택 에 미치는 영향을 검토하였으며, 주차요금의 상승 및 대중교통요금의 감소가 승용차 이용 비율을 감소시킬 수 있다는 점을 제시하였다. Yun et al.(2006)은 경부고속철도 개통 이후 대구~서울 구간과 대구~대전 구간의 지역 간 통행수단 선택모형을 구축하였으며 차내시간, 차외시간, 차외비용, 통행빈도, 통행목적, 성별 나이, 직 업, 가구 및 개인소득 등이 통행수단 선택에 중요한 영향을 미치는 것을 확인하였다. Sung et al.(2008)은 개인 의 사회경제적 속성이 수단선택에 중요한 영향을 미치며, 승용차의 선택이 차량이용 여건 및 주차 용이성에 큰 영향을 받는다는 점을 밝혔다. Bae et al.(2010)은 심리적인 요인과 특성들이 수단선택에 미치는 영향을 분 석하기 위하여 잠재 계층분석을 실시하여 계층별로 나타나는 수단선택모형과 잠재 계측을 고려하지 않는 수 단선택모형을 비교하였으며, 사회경제적인 요인이나 수단의 특성 외에도 개인의 선호도와 잠재적인 성향이 수단선택에 영향을 미친다고 분석하였다.
특히, 출발지와 도착지의 공간적인 특성은 통행자의 수단선택 등 통행행태에 영향을 미친다고 알려져 있 다(Boarnet and Crane, 2001). Jun(1997)은 개인의 통행수단 선택이 직장밀도, 주거밀도 등 토지이용 패턴에 상 당한 영향을 받을 것이라 가정하고, 직장 및 주거밀도·통근시간·전철의 유무·중심지(도심/부도심) 여부 등의 변수가 개인의 통행수단선택에 미치는 영향을 다중로짓모형을 이용하여 분석하였다. 분석 결과 주거 및 직 장 밀도가 높을수록 전철과 버스 등 대중교통수단 이용률이 높으며, 통행시간이 길수록 철도, 자가용, 버스 의 순으로 통행수단을 선택하는 것으로 나타났다. 이어서 Jun and Baek(2008)은 15년 간의 수도권 통근수단 선택 변화를 분석하여 어떤 요인이 통근수단 선택에 영향을 미쳤는지 살펴보았으며, 통근자의 주거 및 직장 의 입지적 특성이 수단선택에 영향을 미친다는 점을 밝혔다. Cervero and Kockelman(1997)은 밀도(density), 토 지이용의 다양성(diversity), 보행친화적 설계(design) 등 3가지 건조환경(built environment) 특성이 통행 빈도와 수단선택에 미치는 영향이 적지 않음을 제시한 바 있다.4)Cho and Kim(1998)은 서울과 일산 신도시의 출근 통행 교통수단 선택모형을 구축하고 두 도시 간의 수단선택 행태를 비교하였다. 통계 검증 결과 두 도시 간 모형의 이전은 불가능하며, 각 개별지역에 대해서는 지역 고유의 모형을 구축해야 한다는 결론을 제시하였 다. 즉 수단별 모빌리티의 특성은 고유한 지역의 여건을 고려해야 한다는 시사점을 제공한다. 같은 맥락에서 Zhang(2007)은 수단선택 행태가 토지이용의 영향을 미치는 공간적 범위에 따라 영향을 받는다는 결과를 보 스턴과 홍콩의 사례를 통해 제시하였다. Kang et al.(2009)는 서울에서 서울, 서울에서 외곽지, 외곽지에서 서 울, 외곽지에서 외곽지로의 4가지 통근형태를 구분하고 각각의 선택 행태를 분석하였다. 분석 결과 대중교통 여건이 잘 갖추어져 있는 서울 내 출근의 경우의 대중교통 이용 확률이 서울에서 외곽지, 외곽지에서 서울보 다 낮게 나타났다. 이는 대중교통의 효용이 자동차보다 월등히 높아야만 대중교통을 선택하고, 대중교통인프 라 구축이 중요하다는 점을 시사한다. Lee and Lee(2009)는 서울시 대중교통체계 개편이 개인의 사회적·경제 적 특성, 통행목적, 출발지와 도착지의 공간적 특성에 따라 통행수단 분담률에 어떠한 영향을 미쳤는지에 대 하여 분석하였다. 출발지와 도착지의 대중교통 접근성, 토지이용 행태 등 공간적인 특성에 따라 개인의 통행 수단선택 행태가 상이하게 나타나는 것으로 분석되었다. Kwon and Jun(2013)은 수도권 맞벌이 가구를 대상 으로 주거입지 선택과 통근 수단선택에 영향을 미치는 요인을 분석하였으며, 주거지와 직장의 위치가 통근 수단 선택에 큰 영향을 미친다는 결과를 제시하였다.
이와 같은 선행연구의 대다수는 설문조사에 기반한 통행행태에 관한 연구들로, 대규모 이동성 지표를 확 인한 연구는 드물다. 최근 Shim et al.(2021)은 현실적인 버스 통행시간 분석을 위해 내비게이션 및 교통카드 자료의 관측자료를 활용한 편익 산출 방법론을 제시하였으며, 교통 환경에 따라 다른 버스통행시간의 차이 를 반영하기 위하여 권역 간 및 권역 내의 고유한 값 대신 기종점 기반의 보정계수를 활용하는 방법론을 제 시하였는데, 버스 통행시간 보정계수가 1.2-1.4의 값이 가장 많이 분포하는 것, 대구광역시는 전체 보정계수 평균값이 1.49에 해당함을 제시하였다.5)
종합하면 빅데이터를 활용하여 이동성 지표를 추정하는 방법론 연구는 국내에서 일부 있었으나 국가나 광역도시권을 단위에서 대규모 이동성 지표를 분석한 연구는 매우 드물며, 특히 교통수요예측 과정에서 활 용될 수 있는 상대 지표를 도출한 연구는 미미하다.
2. 승용차와 대중교통 이동성 차이 연구
본 연구는 이와 같은 통계자료 구축의 수단 측면에서 빅데이터를 활용하는 모빌리티 이동성 분석과 대중 교통 효용함수 구축시 차내시간을 산출하는 방법론에 대한 선행연구를 검토하였다. 2024년 현재 국가교통 DB의 수단선택모형은 통행시간 변수의 경우 수단별 최단경로의 네트워크 Output의 차내시간을 적용하고 있 는데(KTDB, 2020), 특히 버스의 차내시간(in-vehicle time)은 출발지-도착지 유형에 따라 승용차의 차내시간에 대한 비율을 적용하고 있다.6)
<Table 1>
Methodology for applying in-vehicle / out-of-vehicle bus travel time for metropolitan travel demand model
| Index | Bus travel time | |||
|---|---|---|---|---|
| In-vehicle time | ||||
| Waiting time | Travel distance | Inner metropolitan city | Metropolitan city -Adjacent city | Adjacent city -Adjacent city |
| ~10 km | Inner metropolitan city : 7 min. Inner adjacent city : 10 min. |
15 min. | 20 min. | |
| 10 km~ | 15 min. (waiting and transfer time) | 22 min. | 30 min. | |
* source: KTDB(2020)
국내에서 이루어진 수단분담모형 관련 선행연구 중에는 KTDB에서 제시하는 버스통행시간 보정 방법을 준용하거나 대상지역의 특성을 고려하여 직접 보정계수를 산출한 연구들이 있다. Cho et al.(2009)는 경부고 속철도 개통 이후 통행거리에 따른 통행수단선택 모형을 구축하였으며, 버스수단의 차내시간은 KTDB의 기 준을 준용하여 승용차 통행시간에 1.3배를 적용한 바 있다. Choi et al.(2010)는 서울시 대중교통체계 개편 후 대중교통 요금체계의 변화를 반영하는 등 수단분담모형을 개선하고자 하였으며, 2006년 가구통행실태조사 자료를 활용하여 승용차 통행시간 대비 버스 통행시간의 상대비율을 재산정하였다. 존간 통행을 광역시 내 부, 광역시와 인접 시군 간, 인접 시군 내 등 세 유형으로 분류하였으며 계수 산출 결과 버스 통행시간이 승 용차 대비 1.42~1.51배 소요되는 것을 확인하였다.
<Table 2>
Relative ratio coefficient of travel time by type
| Classification | Average | Variance | Sample size |
|---|---|---|---|
| Between cities | 1.51 | 0.025 | 46 |
| Metropolitan City ↔ Adjacent Cities | 1.43 | 0.275 | 56 |
| Adjacent City | 1.42 | 0.217 | 191 |
| Entire | 1.43 | 0.198 | 293 |
* source: Choi et al.(2010)
Lee et al.(2020)는 통행거리에 따라 달라지는 이용자의 수단선택 행태를 모형에 반영하여 집합화된 OD 자 료의 이론적 한계성을 보완하고자 하였으며, 버스 통행시간은 KTDB의 승용차 통행시간 대비 버스통행시간 비율을 적용하였다. KTDB(2014)는 5년 단위로 이루어지는 전국 여객기종점조사(가구통행실태조사, 주말통행 실태조사 등)가 이루어지지 않는 중간년도의 수송실적 보완 및 교통수단 이용행태를 분석하기 위하여 2014 년 3월~12월 동안의 교통수단 선택과 이용 관련한 자료(주행거리, 수송실적, 수단분담율 등)를 구축한 바 있 다. 이 중, 월별 교통수단별 평균 이동소요시간을 분석한 결과 자가용 승용차는 28.0분, 시내버스는 31.9분이 소요되어 평균적으로 버스가 승용차 대비 통행에 1.14배의 시간이 더 소요되는 것으로 조사되었다. 이는 앞 서 KTDB의 수단선택 모형에서 적용해 온 승용차 대비 버스의 통행시간 보정 비율보다 낮은데, 표본 중 자 가용 승용차의 주 통행목적인 ‘출근’의 비율이 89.9%, ‘귀가’ 77.4%, ‘쇼핑’ 35.3% 등 첨두시간대에 높게 나타 난 반면, 대중교통의 주 통행목적은 ‘귀가’ 65.2%, ‘출근’ 45.1%, ‘쇼핑’ 45.0% 등 첨두시간대에 낮은 편으로 수단별 주 통행목적 및 통행시간대의 차이에서 기인하는 것으로 판단된다.
한편 대도시의 교통 혼잡 수준을 보여주는 국가의 공식 통계(국가지표체계)가 있는데, 매년 각 대도시권 (특별시, 광역시)의 승용차 및 시내버스 평균통행속도 조사자료가 그것이다. 이 통계에 따르면, 광역시별 버 스 대비 승용차의 통행속도는 연도별로 1.12~1.79배(’18년~’22년 평균)로 제시되고 있다. 이 통계는 각 지자 체의 정기 교통조사의 결과를 집계한 것으로 통행속도 조사 시점과 기간, 조사 방법 등이 각각 다르므로 본 연구의 결과와는 차이를 보일 수 있다.
Ⅲ. 자료 수집 및 기초자료 분석
1. 자료 수집
1) 내비게이션 자료 기반 승용차 통행특성
승용차 통행특성은 내비게이션 개별 이용자 통행경로 데이터를 활용하여 분석하였다. 수집자료의 범위는 5대 광역권의 내부 행정구역 대상의 2018년 10~11월에 해당하는 약 1,677만개 자료이다. 해당 자료는 승용차 이용자의 출발지와 도착지 등 이동경로 좌표 기반으로 자료가 구축되어 있으며, 출발시간 기준으로 읍면동 기종점 간 통행특성(통행시간, 통행거리, 이용자수 등)을 가공하여 분석에 활용하였다. 이때, 특정시간대(첨 두, 비첨두)로 분류하여 평균적인 통행특성을 집계하였다.
<Table 3>
Processing and analysis procedures for private car data
| Analysis procedure | Contents | Methodology & Tools | Data size |
|---|---|---|---|
| 1. Analysis items and 1st DB extraction | T-Map Data | ||
| 2. DB extraction by time period | Excel Extract | ||
| 3. Data preprocessing | Excel Analysis | ||
| 4. Analysis | Excel Analysis |
2) 교통카드 자료 기반 버스 통행특성
한국교통안전공단은 전국단위 교통카드데이터를 활용하여 이용량, 통행시간ㆍ거리ㆍ요금 지표를 제공하 고 있다. 그 외에도 환승 접근성, 대중교통 수단간 분담률, 노선 굴곡도 등 다양한 응용 지표를 별도 홈페이 지 및 API를 통해 제공하고 있다. 다만, 이 시스템에서 제공하는 가공정보는 지역 단위의 집계된 대중교통 정보로서, 본 연구에서 활용하고자 하는 출발지와 도착지 간 교통정보는 별도의 가공과 분석이 필요하다. 이 에 본 연구에서는 주요 광역시 교통카드 이용실적 원시자료를 활용하여, 데이터 추출, 광역시내 읍면동 기종 점 간 통행시간 산출의 과정으로 분석하였다. 이때, 교통카드 이용실적 자료 중 하차 정류장이 누락된 자료 는 제외하였으며, 승하차 정류장 간 차내시간을 기준으로 통행시간을 분석하였다. 최종적으로 특정시간대(첨 두, 비첨두)로 분류하여 평균 통행시간 자료를 집계하였다.
<Table 4>
Processing and analysis procedures for transit card data
| Analysis procedure | Contents | Methodology &Tools | Data size |
|---|---|---|---|
| 1. Analysis items and 1st DB extraction | R prgram | ||
| 2. DB extraction by time period | VB Macro | ||
| 3. Data preprocessing | VB Macro | ||
| 4. Analysis | VB Macro |
3) 기초자료 분석 결과
내비게이션 자료 기반 5대 광역권의 각 동별 승용차 통행시간을 수집·분석한 결과, 대전광역시의 경우 통 행량 가중 평균속도는 첨두 19.57km/h, 비첨두 19.48km/h로 나타났다. 여기서, 통행량 가중 평균속도는 기종 점 간 통행량 정도에 따른 대전광역시의 대표 통행속도를 의미한다. 기종점 간 통행량은 KTDB의 승용차 통 행량을 적용하였으며, 기종점 간 통행속도는 원시자료에서 의해 추출된 통행시간과 통행거리로 산출하였다.
한편, 대전광역시의 첨두시간대 평균 통행속도(시간 평균속도)는 21.64km/h, 기종점 간 총 통행거리 합 대 비 통행시간의 첨두 통행속도(공간 평균속도)는 22.93km/h로 분석되었다. 본 연구의 분석 결과인 19.57km/h은 국가지표체계의 대전광역시 승용차 평균 통행속도(25.4km/h, 2019년 기준)보다 낮은데, 국가지표체계는 광역 시 내 주요 간선축 중심으로 조사된 통행속도를 활용하는 반면 본 연구는 광역시 내부 행정구역 간 경로의 통행속도 등도 모두 포함되어 있기 때문으로 판단된다.
<Table 5>
Analysis results of passenger car speed using navigation data(km/h)
| City | Navigation based | National indicator system (C) | A/B | A/C | |
|---|---|---|---|---|---|
| Peak (A) | Non-peak (B) | ||||
| Daejeon | 19.57 | 19.48 | 25.4 | 1.00 | 0.77 |
| Gwangju | 22.17 | 22.25 | 26.1 | 1.00 | 0.85 |
| Daegu | 21.27 | 20.48 | 33.8 | 1.04 | 0.63 |
| Busan | 22.28 | 21.22 | 31.7 | 1.05 | 0.70 |
| Ulsan | 27.75 | 30.43 | 36.0 | 0.91 | 0.77 |
*: Weighted average travel time by travel demand
<Table 6>
Summary of passenger car speeds analysis result(Daejeon)(km/h)
| Classification | Space average speed | Time average speed | Traffic Weighted average |
|---|---|---|---|
| Peak period | 22.93 | 21.64 | 19.57 |
| Off-peak period | 22.89 | 21.51 | 19.48 |
교통카드 기반의 버스 통행속도는 국가지표체계의 속도 대비 약 60 ~ 85% 수준으로 분석되었다. 국가지 표체계는 해당 도시의 주요 간선축을 중심으로 조사된 결과이며, 본 연구에서 분석한 전 노선·정류장의 통행 속도와 다소 차이가 있기 때문이다. 특히 국가지표체계의 버스 통행속도는 광역권별로 조사자료, 조사시간, 조사대상의 차이에 기인한 광역권간 상대비교에 따른 외생변인의 영향에 따른 특성 때문으로 판단된다.
첨두·비첨두의 버스 통행속도를 비교하면, 첨두의 버스 통행속도가 비첨두보다 높은 것으로 분석되었다. 이는 첨두의 짧은 배차간격 등에 기인한 버스 운행특성의 차이로 판단된다. 대전광역시의 경우 통행량 가중 평균속도 는 15.56km/h로 나타났다. 여기서, 통행량 가중 평균속도는 기종점간 통행량 정도에 따른 대전광역시의 대표 통행속도를 의미한다. 기종점간 통행속도는 교통카드데이터로 검색된 기종점간 버스 통행시간을 이동거리로 나누어 산정하였다. 한편, 대전광역시의 기종점간(79개×79개-79개=6,162개) 통행속도(시간 평균속도)는 15.01km/h, 기종점간 총 통행거리 합 대비 통행시간의 통행속도(공간 평균속도)는 14.50km/h로 분석되었다.
본 연구의 분석 결과인 15.56km/h는 국가지표 통계의 대전광역시 버스 평균 통행속도인 20.7km/h보다 낮 은 수준으로 나타났다. 국가지표체계의 대전광역시 버스 속도는 대전시 교통데이터웨어하우스 시스템의 RSE 데이터를 이용한 24개 간선도로 대상의 조사 결과로써, 모든 정류장을 포함한 교통카드 분석의 통행속 도와 비교하면, 높은 속도를 보인다. 간선도로의 통행속도와 지선버스의 굴곡도 등을 감안할 때 합리적인 결 과로 판단된다.
<Table 7>
Analysis result of bus speeds using transportation card data (Daejeon)(km/h)
| City | Card data | National indicator system (C) | A/B | A/C | |
|---|---|---|---|---|---|
| Peak (A) | Non-peak (B) | ||||
| Daejeon | 15.56 | 15.53 | 20.7 | 1.00 | 0.75 |
| Gwangju | 15.27 | 15.14 | 23.3 | 1.01 | 0.66 |
| Daegu | 15.44 | 14.86 | 18.2 | 1.04 | 0.85 |
| Busan | 15.89 | 15.53 | 25.5 | 1.02 | 0.62 |
| Ulsan | 16.79 | 16.31 | 28.0 | 1.03 | 0.60 |
<Table 8>
Summary of bus speeds analysis result (Daejeon)(km/h)
| Classification | Space average speed | Time average speed | Traffic Weighted average |
|---|---|---|---|
| Peak period | 14.50 | 15.01 | 15.56 |
| Off-peak period | 14.55 | 15.03 | 15.53 |
Ⅳ. 분석결과
1. 동간 거리와 승용차·버스 통행속도 관계
국가교통DB에서는 승용차의 차내시간 대비 버스의 차내시간에 대해서 광역시 내부, 광역시와 인접시, 인 접시와 인접시 간 단일 가중치를 적용하여 분석하고 있다. 본 분석에서는 도시 내의 통행거리에 따라서 통행 속도가 어떤 특성을 갖고 있는지 분석하였다.
통행자의 수단별 통행속도를 기종점 간 통행거리를 기준으로 비교한 결과, 승용차는 통행거리가 길수록 통행속도가 커지며, 버스는 약 5km 내외까지는 통행속도가 상당히 낮은 수준이나 그 이상은 비교적 큰 변동 이 없는 것으로 나타났다. 승용차의 경우 단거리 통행일수록 집산도로 및 국지도로 등 단속류 통행비중이 많 기 때문이며, 장거리 통행은 간선도로 및 고속도로 등 연속류 통행비중이 많을 것이므로, 이와 같이 통행거 리와 통행속도의 인과관계가 형성되는 것으로 판단된다. 버스는 약 5km 통행은 단거리 정류장간 통행에 따 라 짧은 정류장 간격 등의 요인에 따라 통행속도가 비교적 낮은 수준으로 보인다. 그러나 그보다 긴 통행거 리에 대한 통행속도는 소폭 증가하는 형태를 보이긴 하나, 대체로 큰 변화가 없는 것으로 나타났다. 이는 정 류장 간 정차 등에 따라 가속구간이 제한적이기 때문으로 판단된다.
이와 같은 결과는 광역시 기준의 일반화된 버스 통행시간 가중치 적용보다는 구·동 단위 가중치, 지역 단 위 구분 등 보다 세분화된 가중치 적용이 합리적임을 시사한다.
보다 구체적으로 행정구역의 이동거리에 따른 승용차 대비 버스 통행속도를 비교하여, 버스가 보다 통행 속도 효용 측면에서 유리한 이동권역을 살펴보았다. 대표적으로 대전시와 대구시의 KTDB 존체계 기준 행정 동에 대한 수단간 통행거리와 버스-승용차 통행속도 가중치를 비교한 결과는 다음과 같다. 분석 결과, 행정 동 간 약 5km 이하에서는 통행거리가 짧을수록 버스 통행속도가 더 크게 감소함에 따라, 승용차 대비 버스 통행속도 가중치는 감소하는 형태를 보였으며, 약 5~10km 구간에서는 승용차 대비 버스 통행속도 가중치가 타 통행거리 구간에 비해서 높게 유지되는 형태를 보이고 있다.
2. 첨두·비첨두간 통행속도 가중치 차이 검증
현재 국가교통DB의 수단선택 모형에서는 버스의 차내시간에 대해서 첨두와 비첨두의 구분없이 단일 가 중치 값을 적용하고 있다. 이와 관련하여 현황 검토 및 두 값의 차이에 대한 선행연구가 매우 부족하므로, 5 대 광역시의 행정동간 승용차·버스 통행속도 가중치에 대해서 첨두와 비첨두 간 통계적 검증을 수행하였다. 일반적으로 첨두와 비첨두 통행특성은 혼잡에 따라 통행속도 차이가 있는 것으로 알려져 있기 때문이다. 다 음과 같은 통행속도 가중치는 첨두와 비첨두에 대해서 다음과 같이 각각 산출한 후 통계검증을 수행하였다.
여기서,
-
: 읍면동 i에서 읍면동 j로의 승용차 대비 버스 통행속도 가중치
-
: 읍면동 i에서 읍면동 j로의 승용차 통행속도(내비게이션 자료 기반)(시간)
-
: 읍면동 i에서 읍면동 j로의 버스 통행속도(교통카드 자료 기반)(시간)
첨두·비첨두 2개 집단간 독립표본 t-검증을 수행하였다. 가장 통행속도 차이가 크지 않았던 대전시 기준으 로 승용차·버스 통행속도 가중치는 첨두 0.37, 비첨두 0.35이었으며, 그 차이는 통계적으로 유의한 것으로 분 석되었다. 즉, 보다 현실적인 버스 통행특성 고려를 위해서는 첨두와 비첨두로 구분된 통행시간 가중치 적용 이 의미 있는 것으로 판단된다. 그 외 광주, 대구, 부산, 울산광역시 모두 대전과 유사하게 첨두와 비첨두의 통행속도 가중치 차이는 유의한 것으로 분석되었다.
<Table 9>
Verification of weighted differences in peak and off-peak time period travel speeds (Daejeon)
| Classification | N | Average | Standard deviation | Standard error |
|---|---|---|---|---|
| Peak period | 6,161 | .3716 | .13676 | .00174 |
| Off-peak period | 6,161 | .3546 | .12264 | .00156 |
<Table 10>
Verification of weighted differences in peak and off-peak time period travel speeds (Daejeon)
| Classification | Levene's test | t-test for equality of means | |||||||
|---|---|---|---|---|---|---|---|---|---|
| F | p-value | t | degree of freedom | p-value | Mean difference | Standard error | 95% confidence interval of the difference | ||
| Lower limit | Upper limit | ||||||||
| Assuming equal variance | 24.313 | .000 | 7.292 | 12320 | .000 | .01707 | .00234 | .01248 | .02165 |
| Does not assume equal variance | 7.292 | 12176.531 | .000 | .01707 | .00234 | .01248 | .02165 | ||
3. 5대 광역시간 승용차/대중교통 통행시간 비교
내비게이션 자료를 활용하여 5대 광역시의 행정동간 통행시간을 통행량 가중 평균한 ‘승용차 통행시간’과 교통카드 자료를 활용하여 행정동의 버스정류장간 통행시간을 통행량 가중 평균한 ‘버스 통행시간’을 다음 과 같이 산출하여 비교하였다.
여기서,
-
: 광역시 R의 승용차 대비 버스 통행시간 가중치
-
: 읍면동 i에서 읍면동 j로의 승용차 통행시간(내비게이션 자료 기반)(시간)
-
: 읍면동 i에서 읍면동 j로의 승용차 통행량(통행)
-
: 읍면동 i에서 읍면동 j로의 버스 통행시간(교통카드 자료 기반)(시간)
-
: 읍면동 i에서 읍면동 j로의 버스 통행량(통행)
-
i, j : 광역시 R의 내부 읍면동
5대 광역시의 통행시간 상대비율은 1.20~2.42배 수준으로 나타났다. 즉 동일한 기종점을 통행할 때 승용차 에 비해 버스를 이용할 경우 평균 1.2배에서 2.42배 더 오래 걸린다는 의미이다. 이와 같은 수단 간의 속도 차이는 버스정류장에서의 가감속으로 인한 손실과 승하차 소요시간, 특히 버스노선의 굴곡도 등이 반영된 결과이다. 5대 광역시 중 승용차 대비 버스 통행시간 차이가 가장 낮은 광역시는 대구(1.20배), 가장 큰 광역 시는 울산(2.42배)인 것으로 나타났다. 이는 광역시의 버스인프라 및 배차간격 차이 등으로 이해된다. 가령, 울산의 경우 2021년 3월 말 기준 900대의 차량으로 174개의 노선이 운영되고 있는 반면, 부산은 약 2,500여 대의 차량으로 130여개의 노선을 운영하고 있는 등 서비스수준의 차이가 분명하다.
각 광역시의 행정구별 승용차 대비 버스 통행시간을 비교하면, 울산광역시는 1.62~3.10배로 그 범위 차이 가 크며, 광주광역시는 1.03~1.37배로서 그 범위 차이가 비교적 적은 것으로 나타났다. 이는 광역시내 도심과 교외지역의 분포 등 도시공간의 구조적 차이로 이해된다.
<Table 11>
Results of travel time analysis using navigation and transportation card data(minute)
| City | Passenger car travel time (A) | Bus travel time (B) | Weight (B/A) | Weight range for each administrative district |
|---|---|---|---|---|
| Daejeon | 17.32 | 22.31 | 1.29 | 1.03~1.60 |
| Gwangju | 18.43 | 24.83 | 1.35 | 1.03~1.37 |
| Daegu | 20.19 | 24.27 | 1.20 | 1.02~2.00 |
| Busan | 20.90 | 26.00 | 1.24 | 0.85~2.05 |
| Ulsan | 26.06 | 63.17 | 2.42 | 1.62~3.10 |
*: Weighted average travel time by travel demand
광역권 중 가장 통행시간 배율이 컸던 울산광역시의 행정구별 통행시간 차이를 살펴보면 남구→중구가 가 장 낮은 1.27배로 나타났으며, 울주군→중구는 가장 높은 3.25로 나타났다. 울산광역시는 남구를 중심으로 방 사형 도시구조를 형성하고 있어, 도시 외곽에 입지한 동구 및 울주군 버스의 상대적 통행시간이 높게 나타나 서 높은 통행시간 배율을 보이고 있다. 이처럼 본 연구의 결과는 각 행정구역의 대중교통 이동성을 정량적으 로 평가하고, 인프라 투자와 기타 정책 우선순위 등을 판단하는데 긴요하게 활용될 수 있을 것으로 기대된다.
<Table 12>
Bus travel time compared to passenger car using big data (Between administrative districts in Ulsan)
| Classification | Jung-gu | Nam-gu | Dong-gu | Buk-gu | Ulju-gun | Average |
|---|---|---|---|---|---|---|
| Jung-gu | 1.07 | 1.38 | 2.58 | 1.75 | 2.64 | 1.81 |
| Nam-gu | 1.27 | 1.09 | 2.16 | 1.76 | 2.33 | 1.62 |
| Dong-gu | 2.70 | 2.07 | 0.67 | 1.59 | 2.84 | 2.42 |
| Buk-gu | 2.06 | 1.88 | 1.83 | 1.36 | 1.76 | 1.63 |
| Ulju-gun | 3.25 | 2.82 | 3.09 | 2.46 | 3.09 | 3.10 |
| Average | 1.84 | 1.77 | 2.51 | 1.65 | 2.95 | 2.42 |
한편, 울산광역시의 행정구 통행량 가중 평균 통행시간을 산정한 결과, 중구는 승용차 19.37분, 버스 35.0 분으로 분석되었다. 즉, 승용차 대비 버스 통행시간은 약 1.81배로 나타났다. 울주군은 3.1배로 수단 간의 이 동성 차이가 가장 크게 나타났으며, 남구가 가장 낮은 1.62배를 보였다.
<Table 13>
Comparison of passenger car and bus travel times using big data (by administrative district in Ulsan)(minute)
| Classification | Passenger car (A) | Bus (B) | B/A |
|---|---|---|---|
| Jung-gu | 19.37 | 35.0 | 1.81 |
| Nam-gu | 20.57 | 33.3 | 1.62 |
| Dong-gu | 28.64 | 69.4 | 2.42 |
| Buk-gu | 24.73 | 40.3 | 1.63 |
| Ulju-gun | 32.55 | 100.7 | 3.10 |
| Average | 26.06 | 63.2 | 2.42 |
*: Weighted average travel time by travel demand
Ⅴ. 결론 및 향후 과제
본 연구에서는 교통카드 및 내비게이션 데이터의 교통 빅데이터를 활용하여 5대 광역권의 대중교통 이동 성을 실증적으로 분석하였다. 또한 5대 광역권 행정구역간의 공간적 특성과 첨두와 비첨두 시간적 특성에 따른 대중교통 이동성 지표 차이를 통계적으로 규명하였다. 주요 연구 결과를 요약하면 다음과 같다.
첫째, 5대 광역시의 행정동간 승용차·버스 통행속도 가중치에 대한 첨두·비첨두간 차이는 통계적으로 유 의한 것으로 분석되었다. 즉, 보다 현실적인 버스 통행특성 고려를 위해서는 첨두와 비첨두로 구분된 통행시 간 가중치 적용이 의미 있는 것으로 확인되었다.
둘째, 내비게이션 자료를 활용하여 5대 광역시의 행정동간 통행시간을 통행량 가중 평균한 ‘승용차 통행 시간’과 교통카드 자료를 활용하여 행정동의 버스정류장간 통행시간을 통행량 가중 평균한 ‘버스 통행시간’ 의 상대비율은 1.20~2.42배 수준으로 나타났다. 이는 교통수요예측 모형에서 적용되는 승용차 통행시간 대비 버스 차내시간의 계수로 활용될 수 있다.
셋째, 각 광역시의 행정구별 승용차 대비 버스 통행시간을 비교하면, 울산광역시는 1.62~3.10배로 그 범위 차이가 크며, 광주광역시는 1.03~1.37배로서 그 범위 차이가 비교적 적은 것으로 나타났다. 이는 최근 광역시 에 적극적으로 도입 검토되고 있는 BRT와 트램 등 신교통수단의 효용이 버스를 기준으로 하거나 버스와 유 사하게 평가될 필요가 있음을 고려할 때, 울산시는 타 대도시권 대비 새로운 교통수단의 도입 효과가 클 가 능성이 있음을 시사한다.
넷째, 울산광역시의 행정구별 통행시간 차이를 살펴보면 남구→중구가 가장 낮은 1.27배로 나타났으며, 울 주군→중구는 가장 높은 3.25로 나타났다. 이와 같은 결과를 통해 각 행정구역의 대중교통 이동성을 정량적 으로 평가하고, 인프라 투자 및 정책 우선순위 등을 판단하는데 긴요하게 활용될 수 있을 것으로 기대된다.
종합하면 본 연구에서 분석된 5대 광역권의 대중교통 이동성 지표는 교통수요예측 과정에서의 버스 특성 을 현실적으로 모사하기 위한 수단선택모형 기초자료 및 대중교통 개선 우선순위 의사결정 등에 활용될 수 있을 것으로 기대된다. 다만, 본 연구결과의 타당성조사 적용은 전문가들의 충분한 논의 후 일부 한계를 보 완하는 것이 필요할 것으로 판단된다. 대표적으로 내비게이션 데이터로부터 산출된 승용차의 통행시간은 주 차장 기준으로 주정차 시간 등도 포함되어 손실시간이 존재할 수 있고, 여전히 수요분석의 존체계인 행정동 기준자료로 집계됨에 따라 집계오차를 내재하고 있기 때문이다. 또한 교통수요분석에 활용되는 네트워크는 내비게이션 자료의 상세한 네트워크가 반영되어 있지 않아, 더 높은 승용차 통행속도가 추정될 가능성도 고 려되어야 한다7). 따라서 향후 연구를 통해 실측자료부터 측정된 가중치 적용의 적정성에 대한 검토도 필요 할 것으로 판단된다.
